OpenCV предназначен для обнаружения,онне предназначен для количественной оценки.
Данные — это хаос, и, возможно, в этом хаосе вы найдете самые замечательные закономерности.
— venali sonone
Святая Моли! Я, ленивое существо, воспользовался прекрасной возможностью пандемии, чтобы расслабиться в течение всего года профессионально, лично и в промежутках. Скажем, после 7-месячного творческого отпуска я вернулся в поле, и, ребята, следите за обновлениями для нескольких статей.
Этот блог — небольшая разминка со случайным и, тем не менее, простым машинным зрением.
Начнем с того, что знаем!
Нам нравится работать с машинным зрением. Мы, наверное, в жизни еще детьми знали следующие нормы.
Начальными шагами в анализе изображения являются извлечение из изображения примитивов, таких как линии, края, кривые или простые текстуры. Мы прекрасно знаем, что наиболее распространенным и критерием для нас является поворот в сторону OpenCV. Мои убеждения пошатнулись, когда я узнал, что не могу этого сделать, когда недавно меня попросили выполнить задачу с точностью до 0,000001 мм. Ха! OpenCV предназначен для обнаружения,онне предназначен для количественного определения.
Как специалисты по данным, мы умеем решать проблемы. Сегодня я совершил экскурсию по DIPlib, чтобы узнать, как подогнать декартову коробку, которая мне очень нужна, с ожидаемой точностью. Эта статья объясняет несколько исследований, достаточно хороших для того, чтобы вы могли начать новые задачи машинного зрения в очках.
Краткие примечания по установке PyDIP, оболочки над DIPlib.
- pip установить diplib
- pip установить pydip
- python -m diplib download_bioformats
Объект изображения
Изображение — это не что иное, как первый кортеж с размером изображения (ширина, высота), а второй важный аргумент — это количество тензора, т.е. элементов на пиксель.
Как только мы это проясним, мы можем индексировать объект изображения, и он работает так же, как и для других типов массивов в Python.
Давайте погрузимся в блокнот, не тратя больше ненужных минут. В тетради поясняется:
- Загрузка изображений с использованием PyDIP, который идентифицирует несколько сотен типов файлов.
- Изучите каналы изображений и их фильтрацию.
- Взгляд на инструментарий измерений.
Виноват!
Если вы немного новичок в изображениях и тензорах, вы можете чувствовать себя немного потерянным. Не беспокойтесь, следующая тетрадь заложит основу для знакомства с любой задачей, которую вам придется выполнять.
Тензорные изображения
Изображение в пикселях. Эти пиксели имеют любое количество значений, связанных с каждым пикселем.
Изображение с одним значением на пиксель является скалярным изображением.
Несколько значений могут быть расположены в одном или двух измерениях, как векторное изображение или матричное изображение.
Цветное изображение является примером векторного изображения, например, в цветовом пространстве RGB вектор для каждого пикселя имеет 3 значения, это трехмерный вектор.
Обобщение векторов и матриц является тензором. Тензор ранга 0 является скаляром, тензор ранга 1 является вектором, а тензор ранга 2 является матрицей.
Давайте погрузимся в блокнот, чтобы понять:
- Вычисление градиентов
- Применение фильтров нижних частот
- Разложения по собственным значениям
- Взгляните на матрицу Гессе
Теперь, когда два вышеупомянутых были достаточно хороши для закладки фундамента.
Следующая записная книжка предназначена для некоторых личных задач «привет, мир», которые мне нужно выполнить в будущем. Надеюсь, фрагменты «hello world» помогут вам
Блокнот содержит фрагменты для основ чтения и преобразования изображений в двоичные изображения.
Обнаружение объектов в бинарном изображении, а затем измерение нескольких атрибутов, таких как площадь, диаметр, декартовы квадраты и т. д. с точностью до 0,000001 мм. Так что ныряйте :) Удачи!
об авторе
Я Венали Сононе, специалист по данным по профессии, а также специалист по финансам.
В то время как все живут среди неизвестной борьбы и поиска цели, я лично считаю нормальным украдкой улыбнуться и выразить благодарность за все правильные или неправильные жизненные решения, принятые в различных обстоятельствах, которых вы не могли бы иметь. выбрано лучше в противном случае.
